A kernel method of estimating structured nonparametric regression based on marginal integration
基于边际积分的结构化非参数回归核估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论通用结构化非参数回归，可加或乘法结构本身不足以认定为经济模型的结构估计。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
基于边际积分的结构化非参数回归核估计
- 研究问题
- 在可加与乘法非参数回归中，如何利用边际积分构造简单的核程序，估计结构中相关的一维量？
- 方法与思路
- 作者定义基于边际积分的核估计程序，用于可加和乘法回归中的一维量；摘要未提供具体积分或估计公式。
- 材料陈述的贡献
- 摘要明确陈述的贡献是提出同一类边际积分核程序，处理可加与乘法两种非参数回归结构中的一维估计。
- 阅读关注点
- 应核对被估计一维量的定义、结构识别所需规范化、边际积分的实施，以及估计误差和带宽选择的理论。
- 阅读边界
- 材料为版本未注明的 OpenAlex 索引摘要，内容仅一句；识别条件、收敛性质及有限样本表现均未说明。
原文摘要
We define a simple kernel procedure based on marginal integration that estimates the relevant univariate quantity in both additive and multiplicative nonparametric regression.